光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測(cè)

1、 光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測(cè) 摘要：現(xiàn)如今，我國(guó)的經(jīng)濟(jì)在迅猛發(fā)展，社會(huì)在不斷進(jìn)步，電力企業(yè)在我國(guó)發(fā)展十分迅速，為解決光伏發(fā)電系統(tǒng)發(fā)電功率在不同條件下誤差較大問題，提出光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測(cè)新方法。通過分析光伏發(fā)電系統(tǒng)結(jié)構(gòu)，研究光伏發(fā)電系統(tǒng)發(fā)電功率影響因素；以季節(jié)和天氣類型作為歷史樣本選取樣本源，針對(duì)氣象部門提供的預(yù)測(cè)日分時(shí)氣象數(shù)據(jù)在歷史數(shù)據(jù)庫中尋找相似數(shù)據(jù)點(diǎn)作為歷史樣本；依據(jù)歷史樣本構(gòu)建離線參數(shù)尋優(yōu)數(shù)據(jù)總集，使用核函數(shù)極限學(xué)習(xí)機(jī)算法構(gòu)建發(fā)電系統(tǒng)發(fā)電功率預(yù)測(cè)模型，通過粒子群算法優(yōu)化模型參數(shù)。實(shí)驗(yàn)結(jié)果表明：所提方法在不同條件下預(yù)測(cè)太陽能光伏發(fā)電系統(tǒng)發(fā)電功率的平均絕對(duì)百分比誤差分別為1.47%和6.

2、39%，光伏組件在綜合異常條件下發(fā)電功率預(yù)測(cè)誤差相對(duì)變化均低于1%，證明所提方法滿足實(shí)際預(yù)測(cè)要求。關(guān)鍵詞：光伏；功率預(yù)測(cè)；粒子群算法；預(yù)測(cè)引言相比較于國(guó)外，我國(guó)的光伏產(chǎn)業(yè)啟動(dòng)較晚，遠(yuǎn)落后于國(guó)外發(fā)達(dá)國(guó)家。但近些年在功率預(yù)測(cè)技術(shù)方面，也有了一定的建樹。風(fēng)電及光伏發(fā)電的隨機(jī)性給電力系統(tǒng)的危害性越來越大，從年起國(guó)內(nèi)各省都將功率預(yù)測(cè)作為很重要的一部分。北京木聯(lián)能軟件股份優(yōu)化公司總結(jié)多年經(jīng)驗(yàn)，并與國(guó)內(nèi)外最優(yōu)的數(shù)值天氣預(yù)報(bào)廠家合作，研發(fā)出了新能源電站功率預(yù)測(cè)系統(tǒng)，提高了運(yùn)維效率。截止目前，木聯(lián)能光伏智能化解決方案市場(chǎng)占有量在同行業(yè)中也處于領(lǐng)先地位；東潤(rùn)環(huán)能公司也針對(duì)功率預(yù)測(cè)進(jìn)行技術(shù)研討，并得到了一定的成就；

3、將來，我國(guó)光伏產(chǎn)業(yè)將有廣闊的發(fā)展空間，會(huì)在國(guó)際光伏領(lǐng)域中發(fā)揮越來越重要的作用。如今，功率預(yù)測(cè)的方法有很多，但沒有一種方法能普遍適用，所以，探究新的功率預(yù)測(cè)方法對(duì)于光伏發(fā)電系統(tǒng)來說至關(guān)重要。1光伏發(fā)電系統(tǒng)結(jié)構(gòu)直流子系統(tǒng)包括2級(jí)匯流過程：一級(jí)匯流指直流電纜將光伏電池產(chǎn)生的直流電傳輸至匯流箱中；二級(jí)匯流指固定數(shù)量的匯流箱并入直流配電柜。直流子系統(tǒng)將直流電傳輸至交流子系統(tǒng)內(nèi)，經(jīng)并網(wǎng)逆變器轉(zhuǎn)變成低壓交流電；交流電進(jìn)入升壓并網(wǎng)子系統(tǒng)內(nèi)，經(jīng)變壓器升壓后并入電網(wǎng)。2光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測(cè)2.1數(shù)據(jù)基礎(chǔ)傳統(tǒng)的物理預(yù)測(cè)方法根據(jù)太陽能輻射模型、電站模型、光伏轉(zhuǎn)換模型、電路模型和逆變器模型來預(yù)測(cè)輸出功率。但受輻射的

4、不確定性、云的變化、雨水和環(huán)境、電池溫度等因素的影響，會(huì)導(dǎo)致短期預(yù)測(cè)不夠準(zhǔn)確。在這種情況下，基于統(tǒng)計(jì)和人工智能技術(shù)的輸出功率預(yù)測(cè)方法可以綜合考慮并補(bǔ)償上述各種因素的影響。不過，這些方法需要充分的歷史數(shù)據(jù)支持，以供給統(tǒng)計(jì)處理和人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。通常，至少需要光伏系統(tǒng)輸出功率一年的連續(xù)且完整的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)回歸。神經(jīng)網(wǎng)絡(luò)相關(guān)的算法不僅需要光伏發(fā)電系統(tǒng)的輸出功率的歷史數(shù)據(jù)，而且與氣象和數(shù)值天氣預(yù)報(bào)的歷史數(shù)據(jù)緊密相關(guān)。歷史數(shù)據(jù)的缺少會(huì)使相關(guān)的統(tǒng)計(jì)數(shù)據(jù)和人工智能預(yù)測(cè)方法無效。同時(shí)，不完整的歷史數(shù)據(jù)可能導(dǎo)致很大的預(yù)測(cè)誤差。除了歷史數(shù)據(jù)之外，數(shù)值天氣預(yù)報(bào)，如云、風(fēng)、溫度、濕度和降雨等實(shí)時(shí)數(shù)據(jù)，也有助于預(yù)測(cè)的

5、在線訓(xùn)練和調(diào)整內(nèi)部參數(shù)以獲得更高的預(yù)測(cè)精度。2.2基于數(shù)值天氣預(yù)報(bào)的方法數(shù)值天氣預(yù)報(bào)根據(jù)流動(dòng)力學(xué)和熱力學(xué)原理建立微分方程組，確定大氣初始狀態(tài)后，就可迭代計(jì)算出來某個(gè)時(shí)間大氣的狀態(tài)，就是通常所說的溫度、風(fēng)、降水、太陽輻照度等。目前經(jīng)常使用的全球數(shù)值天氣預(yù)報(bào)模型主要有美國(guó)的gfs模型和歐盟的ecmwf模型，最長(zhǎng)可進(jìn)行15d的預(yù)報(bào)，其中g(shù)fs免費(fèi)提供預(yù)報(bào)。全球數(shù)值天氣預(yù)報(bào)模型的空間分辨率和時(shí)間分辨率都比較低，目前的模型其空間分辨率為1650km，時(shí)間分辨率為36h。全球數(shù)值天氣預(yù)報(bào)模型難以直接應(yīng)用，常常作為其它更小尺度預(yù)報(bào)的基礎(chǔ)。中尺度數(shù)值天氣預(yù)報(bào)模型僅僅覆蓋地球上的一小部分地區(qū)，由各個(gè)國(guó)家或商業(yè)公

6、司運(yùn)行，空間分辨率和時(shí)間分辨率要高得多，空間分辨率在120km，時(shí)間分辨率為1h。中尺度預(yù)報(bào)模型常用的是wrf模型。wrf模型是20世紀(jì)90年代由美國(guó)的科研機(jī)構(gòu)為中心開發(fā)的一種統(tǒng)一的中尺度數(shù)值天氣預(yù)報(bào)模型，2000年開始免費(fèi)對(duì)外發(fā)布，已更新了數(shù)個(gè)版本，用戶可在此基礎(chǔ)上開發(fā)本地的數(shù)值天氣預(yù)報(bào)模型，空間分辨率可達(dá)1km。將mm5中尺度模型和美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心模型的輻照度預(yù)報(bào)與地面觀測(cè)值進(jìn)行了對(duì)比研究。提出了一種利用ecmwf提供的輻照度預(yù)報(bào)值進(jìn)行單個(gè)和區(qū)域光伏電站發(fā)電功率預(yù)測(cè)的方法。目前數(shù)值天氣預(yù)報(bào)的缺點(diǎn)在于其空間和時(shí)間分辨率仍然不夠高。1km的空間分辨率無法對(duì)具體的一塊云做出預(yù)測(cè)，只能對(duì)某一片

7、區(qū)域的整體平均天氣做出預(yù)測(cè)。1h的時(shí)間分辨率也無法進(jìn)行高時(shí)間分辨率的功率預(yù)測(cè)。因此，基于數(shù)值天氣預(yù)報(bào)的方法目前主要應(yīng)用于較大區(qū)域的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)。另外，數(shù)值天氣預(yù)報(bào)方法中的氣象和環(huán)境因素較為復(fù)雜，精準(zhǔn)度的提高一直是目前研究的重點(diǎn)和難點(diǎn)。2.3精度指標(biāo)盡管光伏電站已經(jīng)在世界范圍內(nèi)得到推廣應(yīng)用，但是從文獻(xiàn)分析可以看出:到目前為止還沒有關(guān)于光伏發(fā)電功率預(yù)測(cè)的相關(guān)標(biāo)準(zhǔn)。作為最大的風(fēng)電部署國(guó)，西班牙擁有嚴(yán)格的風(fēng)電并網(wǎng)標(biāo)準(zhǔn)，其中包括48h時(shí)間尺度的風(fēng)電場(chǎng)輸出功率預(yù)測(cè)技術(shù)指標(biāo)，即:平均誤差為20%，最大誤差為30%;24h時(shí)間尺度的風(fēng)電場(chǎng)輸出功率預(yù)測(cè)的平均誤差為10%，最大誤差為15%。但光伏發(fā)電系統(tǒng)

8、還沒有類似的具體標(biāo)準(zhǔn)和要求。其次，在各種文獻(xiàn)中有太多的光伏功率預(yù)測(cè)的性能指標(biāo)參數(shù)，如均方根誤差、相對(duì)均方根誤差、平均絕對(duì)誤差百分比、平均絕對(duì)偏差、平均相對(duì)誤差、平均偏差錯(cuò)誤、均方誤差、相對(duì)偏差、平均誤差、平均絕對(duì)誤差、平均相對(duì)誤差、歸一化誤差、最大平均誤差、平均相關(guān)系數(shù)，等等。這些預(yù)測(cè)精度指標(biāo)使用不同的數(shù)學(xué)模型和判據(jù)，因而很難將它們進(jìn)行統(tǒng)一比較分析，難以形成標(biāo)準(zhǔn)。2.4評(píng)價(jià)標(biāo)準(zhǔn)如果沒有長(zhǎng)時(shí)間的應(yīng)用測(cè)試數(shù)據(jù)或在相同條件下對(duì)比實(shí)驗(yàn)、應(yīng)用驗(yàn)證，僅僅通過算法、仿真結(jié)果或孤立的實(shí)驗(yàn)結(jié)果來評(píng)價(jià)光伏發(fā)電功率預(yù)測(cè)方法是不嚴(yán)謹(jǐn)?shù)摹ｋm然已有大量有關(guān)光伏發(fā)電功率預(yù)測(cè)的研究工作，但在這個(gè)領(lǐng)域至今沒有統(tǒng)一的預(yù)測(cè)方法評(píng)價(jià)

9、標(biāo)準(zhǔn)。隨著光伏系統(tǒng)的大面積推廣，光伏發(fā)電系統(tǒng)的部署、設(shè)計(jì)和應(yīng)用需要光伏發(fā)電功率預(yù)測(cè)標(biāo)準(zhǔn)。此外，功率預(yù)測(cè)標(biāo)準(zhǔn)將為電網(wǎng)接納光伏系統(tǒng)提供決策依據(jù)。光伏領(lǐng)域的工程師和研究人員也需要在報(bào)告和研究論文中用一個(gè)通用評(píng)估方法為讀者提供全面、可信的數(shù)據(jù)和研究結(jié)論。結(jié)語本文對(duì)近10年來的光伏發(fā)電預(yù)測(cè)技術(shù)進(jìn)行了總結(jié)，重點(diǎn)介紹了基于統(tǒng)計(jì)和人工智能技術(shù)的預(yù)測(cè)模型，并對(duì)這些預(yù)測(cè)模型的優(yōu)缺點(diǎn)及其改進(jìn)方向進(jìn)行了說明。最后，對(duì)未來光伏發(fā)電預(yù)測(cè)提出建議:所有預(yù)測(cè)模型的預(yù)測(cè)精度都依賴于原始輸入數(shù)據(jù)的準(zhǔn)確性(如光伏發(fā)電預(yù)測(cè)需要準(zhǔn)確的天氣信息等)，我們可以部署遠(yuǎn)程天氣傳感器(如多普勒雷達(dá)、lidars、風(fēng)廓線等)實(shí)時(shí)采集天氣信息。本文主要為了幫助該領(lǐng)域的新研究人員了解和跟蹤光伏發(fā)電預(yù)測(cè)技術(shù)的最新研究進(jìn)展，進(jìn)而建立更準(zhǔn)確的預(yù)測(cè)模型。參考文獻(xiàn)1武永鑫，王虎，李世杰，等灰塵沉積對(duì)光伏組件發(fā)電性能的影響j分布式能源，2017，2(5)：55-592石磊，侯學(xué)良并網(wǎng)光伏電站發(fā)電效率快速估算實(shí)用模型j電網(wǎng)與清潔能源，2018，34(2)：161-1663于秩彬，王春芳，周釗正，